随着越来越多的合成孔径雷达(SAR)卫星被发射升空，SAR图像数据变得越来越丰富，为SAR图像处理提供了越来越多的可能性。由于SAR图像具有高分辨率、全天时全天候工作和穿透力强等特点，它被广泛应用于军事民用的许多领域中。作为多种图像应用的前提步骤，图像配准是将同一区域的图像对齐的过程，通常这些图像是在各种各样的成像条件下获得的，如不同传感器、不同极化、不同入射角、不同成像时间等等。不同成像条件下得到的SAR图像，它们的灰度信息和几何信息会出现明显的差异;不同成像传感器的遥感图像，例如光学图像与SAR图像，不同的成像机制导致它们之间不仅存在明显的灰度和对比度差异，而且地物特征也不完全一致，这使得广泛使用于机器视觉领域的配准算法很难适用。　　针对现有配准算法中存在的局限性，以不同成像条件下的SAR图像配准和SAR图像与光学遥感图像配准为研究对象，本论文致力于发现待配准图像中稳定不变的空间结构特征，利用这些特征来进行后续的配准。本文的主要工作分为三部分，第一部分对SAR图像中各种类型的边缘特征提出了自动鲁棒的提取算法;第二部分提出了在不同成像条件下的SAR图像配准算法;第三部分为SAR图像与光学遥感图像的配准提出了一种基于特征匹配的框架。主要工作与研究成果总结如下:　　1.针对SAR图像中不同类型的边缘特征:阶跃边缘、屋脊边缘以及这两者集合，分别提出了三种SAR边缘结构特征的提取算法。边缘特征是图像中的底层特征，指的是灰度发生不连续变化的区域，是图像处理中稳定不变的特征。首先针对SAR图像中的阶跃边缘，提出了一种基于多尺度Gabor滤波器的阶跃边缘提取算子。在改良基于比值算子的检测窗口的同时，提出了多尺度的检测窗口，不需要手动设置参数，可以在多尺度空间中寻找边缘点并定位其位置。然后针对SAR图像中的屋脊边缘，提出了一种基于LogGabor滤波器的屋脊边缘提取算子。在传统的比值线检测算子的基础上，替换了检测窗口，使其适应于曲线屋脊特征的提取。最后针对SAR图像中的多种类型边缘，结合了相位一致性算子和基于比值检测算子两者的优势，提出了一种适用于SAR图像的相位一致性模型。基于多种仿真图像和星载SAR图像的实验结果表明，提出的三种算子都给出了准确的边缘提取结果。　　2.由于不同的成像条件，包括不同传感器、不同成像模式、不同极化、不同成像视角等等，同一地物在两幅SAR图像中的表征会出现差别，呈现出不同的灰度信息，或者呈现出不同的几何特征。针对现有配准算法存在的问题，本文提出了以下配准算法:首先，针对基于尺度不变特征变换(Scale Invariant Feature Transform，SIFT)的特征匹配类算法中主方向计算不够鲁棒的问题，提出了一个不利用主方向却能实现旋转不变性的特征描述子。该描述子基于改进的强度排序和旋转不变的比值方向直方图，在达到旋转不变性的同时也对斑点噪声鲁棒。然后，针对高分三号中不同成像模式的SAR图像，提出了一个从粗到精的配准框架。在粗配准阶段，使用了自适应降采样SAR-SIFT算法来加速大尺寸图像的粗配准。在精配准阶段，提出了一种基于SAR相位一致性模型的相似性度量，利用均匀分布的控制点来精确配准已经基本消除尺度旋转变换的图像。最后，针对不同升降轨下的高分辨率城郊区域SAR图像，提出了一种基于建筑物双散射亮线的匹配方法。利用屋脊边缘检测算子将L型结构的双散射亮线提取出来，经过一系列的后处理方法，将L型结构恢复成完整的矩形结构。不同升降轨的SAR图像在此类建筑物区域从原来的找不到同名点到出现很多虚拟的同名点，基于这些点可以进行配准。利用多组不同成像模式、不同视角、不同极化的SAR图像进行配准实验，结果表明这三种方法分别较好的解决了之前存在的问题，可以获得更加准确的配准结果。　　3.SAR图像与光学遥感图像配准是很多应用中必须解决的前提，例如阴雨天气的灾害监测。由于这两种图像之间存在着巨大的差异，现有的配准方法很难提取到高度可重复的特征来匹配，一些基于明显的地物特征（道路、河流、湖泊等）的方法仅适用于存在这些地物特征的图像。为了提供一种可以广泛用于光学和SAR图像城郊区域的配准框架，本文提出了一种基于SIFT框架的算法，由三个模块组成:两个Harris尺度空间中的关键点检测、方向分配和描述符提取、关键点匹配。考虑到SAR图像和光学图像的固有特性，多尺度指数权重均值比值算子(Ratio Of Exponentially Weighted Averages，ROEWA)和多尺度Sobel算子被用于分别计算SAR图像和光学图像的一致性梯度，以此结果为基础可以构建两个Harris尺度空间。通过寻找尺度空间中的局部最大值可以得到特征点，然后基于特征点的空间关系来校正它们的位置。此外，使用多个不同大小的图像邻域提取梯度方向直方图描述子以增加独特性。多幅高分辨率SAR图像与光学图像的配准实验表明，该算法可以适用于大部分场景下的配准。